全球變暖對中國的經(jīng)濟影響研究:區(qū)域與產(chǎn)業(yè)視角

李文婷,段宏波

一、引 言

全球變暖是當前國際上最重要的議題之一。根據(jù)IPCC 2018年發(fā)布的 《全球1.5℃增暖特別報告》,2017年全球氣溫已比工業(yè)化前水平高出約1℃,若按照當前的速度繼續(xù)增暖,則全球氣溫將在2030年至2052年期間,預計高出工業(yè)化前水平1.5℃[1]。全球變暖不僅會給地球生態(tài)系統(tǒng)帶來嚴重的負面影響,如冰圈消融、災(zāi)害增多、物種滅絕等[2][3],而且對人類社會經(jīng)濟系統(tǒng),也同樣影響深遠,如糧食減產(chǎn)、勞動減少、人類健康、國內(nèi)沖突等[4]。

我國受全球變暖的影響很可能高于全球平均水平。已有研究表明,過去幾十年,中國的增溫速度比同緯度其他地區(qū)和北半球的平均變暖速度都要快[5]。在嚴峻的氣候變化形勢和溫升差異背景下,作為當前世界上第二大經(jīng)濟體的中國,其面臨的全球變暖帶來的生態(tài)、社會和經(jīng)濟負影響不容忽視[6]。

全球變暖是一個公共產(chǎn)品問題,但其有著自身的復雜性和特殊性。其中關(guān)鍵一點在于全球變暖并非是一個純粹的環(huán)境外部性問題,因為在全球變暖這一事件中,排放者同樣需要承受全球變暖帶來的損害[7]。盡管如此,解決全球變暖問題時,經(jīng)典的庇古理論仍有一定的指導意義,即通過對碳排放所帶來的影子成本進行定量評估,繼而把這種成本加總到生產(chǎn)消費的顯性成本中,來解決這一外部性問題[8][9]。碳排放的影子成本也被稱為社會碳成本 (Social Cost of Carbon,SCC),一般可由綜合評估模型 (Integrated Assessment Models,IAMs)計算得出[10]。在綜合評估模型中,損失函數(shù)作為反映氣候變化造成損失的貨幣化評估模塊,是耦合氣候模塊和經(jīng)濟模塊的重要一環(huán)[11]。然而,早期的損失函數(shù)多采用專家評估法,具有很大的主觀性[12]。隨著可用資料的增加,經(jīng)驗性的客觀評估顯得十分必要,但由于全球變暖影響的地理分布差異[13],更加精細的評估工作也亟待開展?；诖?本文利用中國的省級氣候和宏觀經(jīng)濟數(shù)據(jù),實證估計了全球變暖對我國區(qū)域經(jīng)濟的影響,并創(chuàng)新性地利用門檻模型,比較不同時段、不同發(fā)展階段,全球變暖對我國區(qū)域經(jīng)濟的影響。

本文余下章節(jié)安排如下:第二部分是文獻回顧,大致總結(jié)了當前國內(nèi)外相關(guān)研究現(xiàn)狀和主要研究方法；第三部分為實證分析框架及模型構(gòu)造,第四部分報告實證研究結(jié)果并進行分析,第五部分是本文的結(jié)論與政策建議。

二、文獻回顧

氣候?qū)θ祟惿a(chǎn)生活的影響是一個古老的問題。過去十多年,隨著計算能力的提升、數(shù)據(jù)的增多和方法學的發(fā)展,越來越多的研究致力于解答氣候條件的變化如何影響人類社會經(jīng)濟系統(tǒng)[14]。由于人類擁有數(shù)千年的農(nóng)耕經(jīng)驗,氣候條件的變化對農(nóng)業(yè)的影響也最為直觀,因此,研究全球變暖對人類福祉的影響也最先開始于農(nóng)業(yè)。例如,Schlenker等[15]將撒哈拉以南非洲地區(qū)的歷史農(nóng)作物產(chǎn)量和天氣數(shù)據(jù)結(jié)合形成面板數(shù)據(jù),然后利用面板回歸模型分析了農(nóng)作物產(chǎn)量和氣候變化之間的關(guān)系。另外,Burke等[16]利用1950—2005年間4×4km氣候格點數(shù)據(jù),同樣采用面板回歸模型研究了長期氣候變化對美國玉米和大豆兩種農(nóng)作物產(chǎn)量的影響。除此之外,在不同地區(qū),對不同作物產(chǎn)出和歷史氣候變化間的經(jīng)驗關(guān)系研究目前已不勝枚舉。然而,值得注意的是,對大量相似研究的結(jié)果比較表明,溫度的影響通常遠大于降水,這說明人類可以通過灌溉或水利系統(tǒng)的應(yīng)用和推廣去對沖降水變化的風險,也反映了溫度變化的影響對人類社會來說也許比想象中更加難以適應(yīng)。

全球變暖同樣會影響到其他經(jīng)濟部門。例如,Auffhammer等[17]基于美國加利福尼亞州三家公共事業(yè)電力公司擁有的居民電費單數(shù)據(jù),使用隨機和外生兩種天氣沖擊來量化氣候變化對家庭用電量的影響。結(jié)果表明,加利福尼亞州不同地區(qū)的居民用電量對溫度的響應(yīng)差異較大。此外,即使在人口數(shù)量不變的情況下,到本世紀末當?shù)氐募彝ル娏傁M仍可能大幅增加55%。以上基于單一行業(yè)分析氣候變化帶來的經(jīng)濟損失的研究為我們考察全球變暖的整體經(jīng)濟影響提供了一種思路,即采用 “自下而上”的辦法,把對各行業(yè)的影響進行加總,從而計算出全球變暖對社會整體經(jīng)濟的影響。但很明顯地,當前可以被量化的影響對于經(jīng)濟整體來說只是其中一小部分；另外,即使在單一行業(yè)中進行評估,這種評估也可能是不完整的[18]?？紤]到這一局限性,一些學者從相反的思路出發(fā),利用宏觀經(jīng)濟數(shù)據(jù),“自上而下”地量化評估。

采用 “自上而下”評估方法中較為有代表性的研究為Dell等[19]的線性經(jīng)驗?zāi)Ｐ秃虰urke等[20]的非線性經(jīng)驗?zāi)Ｐ汀ell等[19]利用歷史氣候數(shù)據(jù)和各個國家的歷年GDP來探索溫度沖擊與經(jīng)濟增長之間的線性經(jīng)驗關(guān)系。此外,通過在模型中考慮溫度的滯后項來研究其中可能存在的滯后效應(yīng)。Burke等[20]則基于相似的數(shù)據(jù)集,通過在模型中加入溫度和降水的二次項,得出了氣候變化與經(jīng)濟增長之間的全球非線性關(guān)系,即平均年氣溫與國家總產(chǎn)出增長間存在的倒U型關(guān)系:當年平均溫度為13℃附近時,各個國家的經(jīng)濟總產(chǎn)出增長能達到一個最優(yōu)水平。值得注意的是,這兩個模型均是在固定效應(yīng)模型的統(tǒng)計框架下的拓展。然而,基于統(tǒng)計分析的實證結(jié)果在很大程度上是由樣本的分布情況決定的。在全球范疇的研究中,全球財富的地理分布表明大多數(shù)貧窮國家都集中在炎熱地區(qū),而富裕國家則更多地集中在高緯度地帶；相反,在中國,大部分經(jīng)濟較發(fā)達的省份主要分布在東南沿海,這些地區(qū)無論是年平均溫度還是年降雨量,甚至各類災(zāi)害性天氣均明顯高于全國平均水平。因此,我們可以合理地懷疑基于全球數(shù)據(jù)集的模型對于中國情況的解釋能力可能有所減弱[21]。

目前,專門研究全球變暖對中國經(jīng)濟影響的論文在數(shù)量上屈指可數(shù)。魏柱燈等[22]對過去2 000年氣候變化對中國經(jīng)濟與社會發(fā)展的影響進行了綜述,發(fā)現(xiàn)中國歷史社會經(jīng)濟與氣候變化的時序共振現(xiàn)象中可能含有內(nèi)在的關(guān)聯(lián)機制。一般而言,暖期氣候有助于社會經(jīng)濟的健康發(fā)展,而冷期氣候所引發(fā)的負面社會經(jīng)濟效應(yīng)則可能與社會發(fā)展本身有關(guān),而且該負面效應(yīng)會被社會放大。這種定性分析雖然帶來了一定啟發(fā),但由于缺少定量分析的數(shù)據(jù)支撐,在政策制定上所能發(fā)揮的作用有限。

在定量分析上,陳帥等[23]基于中國所有水稻和小麥生產(chǎn)縣 (市)的縣級面板種植結(jié)構(gòu)和氣象數(shù)據(jù),采用計量經(jīng)濟學的辦法,定量分析了氣候變化對中國水稻和小麥生產(chǎn)的影響。結(jié)果表明:氣溫、降水和日照等氣象要素對我國的水稻和小麥單產(chǎn)的影響都存在著 “先增后減”的非線性關(guān)系。因此,越早地采取有效措施應(yīng)對全球變暖就更有可能地把全球變暖對糧食生產(chǎn)的不利影響限制在可控的范圍內(nèi)。另外,Zhang等[24]利用1998—2007年中國的日氣溫和制造業(yè)企業(yè)生產(chǎn)數(shù)據(jù),研究了日氣溫與全要素生產(chǎn)率 (Total Factor Productivity,TFP)之間的經(jīng)驗關(guān)系。結(jié)果表明,與日氣溫對全要素生產(chǎn)率的影響相比,溫度對勞動力和資本投入的影響相對有限,而溫度與產(chǎn)量之間的響應(yīng)函數(shù)和溫度與TFP之間的響應(yīng)函數(shù)類似,表明溫度的升高導致TFP的降低是造成產(chǎn)量損失的主要原因。此外,溫升對經(jīng)濟的影響可能存在明顯的季節(jié)效應(yīng),比如:從城市尺度看,1℃溫升在溫暖季節(jié)可能引起經(jīng)濟增長下降0.7%,而在寒冷季節(jié)這一影響將會降至0.36%[25],但這一影響仍然高于美國[26]。

以上幾篇文獻從行業(yè)的角度分析了全球變暖對我國經(jīng)濟的影響,對于制定行業(yè)相關(guān)氣候政策、措施有一定的指導意義。然而,制定氣候政策需要 “上下一條線,全局一盤棋”,農(nóng)業(yè)和制造業(yè)目前在我國國民經(jīng)濟中的比重正逐年下降,對經(jīng)濟增長的貢獻也隨之降低,因此,不能忽略其他行業(yè),須從更宏觀的角度出發(fā),分析全球變暖對我國整體經(jīng)濟的影響,才能全面地了解全球變暖為我國經(jīng)濟所帶來的效應(yīng),制定有效的氣候政策、在國際合作中選擇合適的立場,才能把未來可能的風險限制在可防可控的范圍內(nèi)。此外,氣候?qū)?jīng)濟的影響可能存在非線性性[20],這意味著不同時期溫升對中國經(jīng)濟的影響可能存在差異。顯然,這些方面的研究還有待深入開展。

研究全球變暖的影響,不可避免地要討論不同系統(tǒng)對氣候敏感性的變化。氣候敏感性變化的主要原因可分為內(nèi)因和外因兩種。內(nèi)因的存在主要是在更長的時期內(nèi),人們對于氣候常態(tài) “信念”的改變,從而調(diào)整自身對氣候變化的響應(yīng)[27]。例如,Hsiang等[28]的研究表明,當一個國家遭受的強熱帶氣旋越多時,社會的邊際損失更小,在一定程度上說明人類自身對氣候敏感性調(diào)節(jié)的作用。相對地,外因則是由于技術(shù)、資源等外部條件的改變,從而影響了人類社會對氣候變化的敏感性。例如,空調(diào)的普及能在很大程度上降低因高溫所帶來的死亡風險[29]。

人們普遍認為,貧窮的國家因為資源所限而更容易受到全球變暖的影響,因為應(yīng)對全球變暖是一項花費不小的 “投資”。另外,即便現(xiàn)有技術(shù)能在一定程度上幫助人們應(yīng)對全球變暖,但能否享用相應(yīng)的技術(shù)則在很大程度上取決于人們手中擁有的資源[28]。在以往分析氣候敏感性差異的研究中,常用的方法是把樣本按一定的人為規(guī)則劃分為不同的子樣本,然后再分別對子樣本進行模型估計,比較分析氣候因子的系數(shù)是否存在明顯差異。如Dell等[19]在其研究中,按照某一年的樣本中值,把全球所有國家分為了貧窮和富裕、冷和熱、農(nóng)業(yè)和非農(nóng)業(yè)三個亞組,再分別進行回歸分析。這種劃分方法可以確保不同數(shù)據(jù)子集中樣本數(shù)量的相等。但當樣本分布呈現(xiàn)明顯的偏態(tài)時,這種劃分辦法則可能使得不同子集間的模型估計系數(shù)差異變小,出現(xiàn)誤導結(jié)果。其次,利用某一年的樣本中值作為樣本劃分的標準,并且樣本劃分過程獨立于模型回歸過程之外,這種靜態(tài)且獨立的劃分方法實際上忽略了不同國家間社會經(jīng)濟結(jié)構(gòu)隨時間演變這一重要事實。最后,這種辦法也沒有給出氣候敏感性差異的相應(yīng)統(tǒng)計檢驗信息,因為無法獲知差異背后的真實性以及顯著性。

針對以上所列文獻,以及相關(guān)研究的局限,本文在前人的研究上對全球變暖對中國的經(jīng)濟影響進行了再估計,同時通過引入門檻模型,研究經(jīng)濟發(fā)展水平的變化能否產(chǎn)生我國區(qū)域的氣候敏感性差異。

三、實證分析框架及模型構(gòu)造

(一)實證分析框架

為研究全球變暖對某個地區(qū)宏觀經(jīng)濟的影響,首先考慮一個簡單的經(jīng)濟體,采用基本形式的Cobb-Douglas生產(chǎn)函數(shù):

其中Y表示總產(chǎn)出,A表示技術(shù) (或全要素生產(chǎn)率),L表示人口,K表示資本,T表示氣象因子。為方便分析,把 (1)兩邊除以人口L,得到人均形式的生產(chǎn)函數(shù):

如方程 (2)所示,氣候因素對人均產(chǎn)出的影響可以通過影響技術(shù)A和資本K兩個渠道發(fā)揮作用[14][24]。但由于A(T)和K(T)的具體形式未知,這說明技術(shù)和資本因素在氣候-經(jīng)濟影響關(guān)系中的角色仍有待研究。

假定技術(shù)A與資本K的增長率有如下形式:

對方程 (2)的兩邊取自然對數(shù)的形式,并對時間求導,可以獲得各要素的增長率方程,如方程 (3)所示。在方程 (3)中,gX表示與要素X相關(guān)的特定增長率,X在本研究中為人均GDP(不變價計)和三大產(chǎn)業(yè)的年度增加值；而γXT則表示與氣象要素T相聯(lián)系的增長率部分。最后,得到動態(tài)增長方程的一般形式:

在上述方程 (4)中,git可以表示某地某年的人均生產(chǎn)或某個產(chǎn)業(yè)的增長率；gi表示與該地區(qū)相聯(lián)系的特定增長率；γTit則表示某年某地氣象因子對增長率的貢獻部分。

(二)固定效應(yīng)模型

為了分析全球變暖對總體經(jīng)濟增長的影響,本研究對方程 (4)采取基于固定效益模型的形式,并參考Dell等[19]的線性模型進行了相應(yīng)的拓展。對此,本研究把基本方程 (4)進行了拓展,如以下方程 (5)所示:

在上述方程 (5)中,git表示某地區(qū)的人均收入或產(chǎn)業(yè)增加值的增長率；Tit表示年平均氣溫,Pit表示年雨量；μi為個體固定效應(yīng)；νt為時間固定效應(yīng)；εit為滿足期望為零的誤差項。

(三)門檻模型

在固定效應(yīng)模型中,個體之間的異質(zhì)性被儲存到個體獨有的截距中,但這無法獲知模型中自變量與因變量是否存在非線性關(guān)系。如前所述,以往在分析不同群體對氣候變化的敏感性差異時均采用主觀劃分樣本的辦法,但這樣的劃分標準是否有效合適卻不會得到相應(yīng)的統(tǒng)計學檢驗。為此,本文基于Hansen的面板門檻模型[31],基于方程 (5),將門檻模型設(shè)定為:

其中i表示地區(qū)；t表示年份；xit為與門檻變量qit有交互作用的自變量,而γ為需要估計的門檻值；Cit為與門檻變量沒有交互作用的氣候因子；yit為相應(yīng)的模型因變量；μi為個體固定效應(yīng)；I(·)為示性函數(shù)；εit為隨機擾動項。

在完成門檻模型的參數(shù)估計后,需要進行門檻效應(yīng)顯著性檢驗和門檻值的真實性檢驗。顯著性檢驗基于F統(tǒng)計量檢驗?zāi)Ｐ?(6)中α1和α2是否存在顯著差異。由于F的漸進分布是非標準的,一般取決于樣本的距,因此臨界值無法列出,但可以借助自助抽樣法 (Bootstrap)達到 “一階漸進分布”,使得構(gòu)造的P值是漸進有效的[32]。在進行門檻值的真實性檢驗時,Hansen提出使用極大似然比率 (Likelihood Ratio,LR)作為門檻估計值真實性的檢驗標準。一般取5%顯著性水平下的LR值,即7.35為標準,當門檻估計值的LR值大于7.35時,則拒絕門檻估計值等于真實值的原假設(shè)。

四、數(shù)據(jù)與統(tǒng)計性描述

(一)數(shù)據(jù)來源及預處理

本文中的歷史氣候數(shù)據(jù)來源于美國國家海洋和氣候管理局 (National Oceanic and Atmospheric Administration,NOAA)所主管的氣候數(shù)據(jù)在線 (Climate Data Online,CDO)網(wǎng)站。CDO主要提供全球各個國家的國際氣象交換站的歷史天氣和氣候數(shù)據(jù)。在我國,國家氣象交換站由國家基準氣象站組成。根據(jù)全球氣候觀測系統(tǒng)的要求,國家基準氣候站的氣象數(shù)據(jù)具有長期穩(wěn)定和連續(xù)性好兩大基本特點。CDO網(wǎng)站上所提供的數(shù)據(jù)包括經(jīng)過質(zhì)量控制的日度、月度、季度和年度的溫度、降水、風等多種氣象要素的觀測值,同時還提供了雷達、海洋和30年氣候平均值等數(shù)據(jù)。

CDO網(wǎng)站上共提供中國境內(nèi)226個國際氣象交換站的歷史天氣和氣候數(shù)據(jù)。從數(shù)據(jù)的完整性和時效性看,日度數(shù)據(jù)最為完整,提供各站建站伊始至今的每日歷史天氣數(shù)據(jù)。篩選掉數(shù)據(jù)連續(xù)缺測值較多的站點,本文最后選取了30個省市自治區(qū)共177個站點1961—2018共58年的歷史天氣數(shù)據(jù),并把這些站點的日數(shù)據(jù)進行計算和轉(zhuǎn)換,最后得出各省年平均氣溫、年平均總降水量等研究所需的省級年度氣象數(shù)據(jù)。

本文中的社會經(jīng)濟數(shù)據(jù)來源于國家統(tǒng)計局編撰的 《統(tǒng)計年鑒》、國家統(tǒng)計局網(wǎng)站和世界銀行公開數(shù)據(jù)庫,包含各省GDP、人口、三大產(chǎn)業(yè)增加值和GDP平減指數(shù),時間范圍同為1961—2018年。由于原始數(shù)據(jù)中未提供人均GDP數(shù)據(jù),因此需要通過各省GDP和當年的人口數(shù)量進行換算。在數(shù)據(jù)集中,由于1988年前,大部分省份的人口數(shù)據(jù)不全,為獲得各省每年的人口總數(shù),并盡量減少數(shù)據(jù)誤差,在計算時首先對各個省市占全國總?cè)丝诒壤龑r間進行了回歸擬合,并以回歸模型的擬合值對缺測值進行了補全。進而按照新的各省人口占比計算出每年每省的人口總數(shù),再求出當年的各省的人均GDP。最后,利用世界銀行公開數(shù)據(jù)庫提供的我國歷年GDP平減指數(shù)求出各省年度真實GDP和真實人均GDP。

(二)統(tǒng)計性描述

據(jù)統(tǒng)計,1961—2018年間全國年平均氣溫為12.56℃,其中最低為1969年11.56℃,最高為2017年13.71℃。從全國的年平均溫度時間趨勢看 (如圖1所示),過去近60年以來,全國的年平均氣溫有明顯的增加趨勢。從時間序列的擬合趨勢來看,我國年平均氣溫以0.03℃每年的速度上升；從全國范圍來看,大概已經(jīng)上升了1.61℃,這顯然高于全球1℃的平均溫升水平。

圖1 1961—2018年全國年平均氣溫時間趨勢

圖2、圖3分別為2018年各省年平均溫度和年降雨量與2018年各省真實GDP的關(guān)系分布圖。

圖2 2018年各省年平均溫度與當年真實GDP關(guān)系分布圖

圖3 2018年各省年降雨量與真實GDP關(guān)系分布圖

從圖2和圖3可以看出,各地的溫度和降水量與當?shù)氐慕?jīng)濟水平有較明顯的相關(guān)關(guān)系,即年平均氣溫相對較高、年降雨量相對較多的地區(qū),經(jīng)濟的發(fā)展水平也更好。這種經(jīng)濟與氣候之間的關(guān)系明顯有別于全球整體情況,因為就全球來說,熱帶地區(qū)集中了大量發(fā)展中國家,而發(fā)達國家則更多地集中于溫帶地區(qū)。這也側(cè)面說明了全球變暖的影響存在明顯的區(qū)域性特征,特別是對于幅員遼闊、結(jié)構(gòu)復雜的大國來說,更精細的區(qū)域性研究顯得尤為必要。

五、實證結(jié)果及分析

(一)全球變暖對我國區(qū)域經(jīng)濟的影響

盡管本文假設(shè)了氣候因素與經(jīng)濟增長之間存在著經(jīng)驗的固定效應(yīng)形式的模型關(guān)系,但考慮到兩者間存在著其他函數(shù)關(guān)系的可能,因此在本文中同時進行了混合回歸模型、隨機效應(yīng)模型和單、雙向固定效應(yīng)模型的估算,并比較了各個模型相應(yīng)的估計值和統(tǒng)計量,結(jié)果如表1所示。

表1 以人均GDP增長率為因變量的各模型回歸結(jié)果

從表1可以看出,四個模型的系數(shù)和常數(shù)項大部分是顯著的,但同時考慮了時間和個體固定效應(yīng)的回歸模型中溫度項系數(shù)和常數(shù)項并沒有通過顯著性檢驗。剩下的混合回歸、隨機效應(yīng)和個體固定效應(yīng)模型的估計值不僅高度顯著,并且系數(shù)的符號一致?？傮w而言,過去近60年間,溫度增加對我國經(jīng)濟增長率的貢獻為正,而年總降水增加的影響為負,但相較于溫度的影響卻要小得多。在個體固定效應(yīng)模型中,溫度每增加1℃,能引起真實人均GDP增長率約2.06%的增幅；而年總降水量每增加100毫米,則會導致真實人均GDP增長率下降約0.003%。

在上述四個模型的選擇上,可以通過擬合優(yōu)度和因變量系數(shù)的顯著性進行綜合對比。就混合回歸模型,可直接采用R2來衡量,而隨機效應(yīng)和固定效應(yīng)模型則一般使用 “組內(nèi)R2”進行衡量。經(jīng)過比對,盡管雙向固定效應(yīng)模型的組內(nèi)R2最大,但模型中溫度的系數(shù)并不顯著,故此先將其排除。另外,混合回歸和隨機效應(yīng)的R2相等,但個體固定效應(yīng)的組內(nèi)R2要比隨機效應(yīng)的組內(nèi)R2更大,因此,個體固定效應(yīng)在四個模型中更優(yōu)。進一步地,對個體固定效應(yīng)模型進行Hausman檢驗,檢驗的原假設(shè)為:系數(shù)的差異是非系統(tǒng)性的,即隨機效應(yīng)為正確模型。利用STATA程序,采用1 000次樣本自抽樣 (Bootstrap),檢驗結(jié)果顯示P值為0.000,因此可以拒絕原假設(shè),證明了應(yīng)使用固定效應(yīng)模型。

為了分析全球變暖對中國的影響和對全球影響之間的差異,本研究與Dell等[19]的結(jié)果進行了對比。在Dell等[19]的模型中,所使用的數(shù)據(jù)時間跨度為1950—2005年。為了使兩者間能最大程度上具有可比性,再次利用我國1961—2005年的數(shù)據(jù)進行了個體固定效應(yīng)模型的擬合,結(jié)果如表2所示。結(jié)果表明,1961—2005年間,溫度對經(jīng)濟增長的影響仍然是顯著的,但降水的影響卻不甚顯著。通過縱向?qū)Ρ劝l(fā)現(xiàn),溫度與降水對中國的影響變化不大,但橫向?qū)Ρ缺砻?溫度對中國經(jīng)濟的影響要大于對全球的影響,而降水對中國經(jīng)濟的影響卻要明顯小于全球。在接近的時間段內(nèi),年平均溫度1℃的上升對中國經(jīng)濟增長率貢獻約2.78%的增長量,而對全球經(jīng)濟增長率的貢獻僅為0.56%；當年雨量量增加100毫米時,對中國經(jīng)濟增長率的貢獻為－0.000 1%,而對世界的貢獻為－0.11%。

表2 世界與中國的固定效應(yīng)模型擬合結(jié)果對比

中國經(jīng)濟對不同氣候要素的響應(yīng)模式明顯異于世界整體水平,這種差異的背后很可能包含著影響的差異和敏感性的差異雙重原因,特別是我國對降水的低敏感性很可能得益于過去我國在水利工程上的建設(shè)和灌溉技術(shù)上的推廣。事實上,新中國成立70年以來,我國各類水庫從新中國成立前的1 200座增加到近10萬座,總庫容從200多億立方米增加到近900億立方米,5級以上江河堤防是新中國成立之初的7倍多,水利工程規(guī)模和數(shù)量均躍居世界前列。另外,我國在防洪能力和供水保障兩個方面也已處于較安全水平,其中水旱災(zāi)害防御能力達到國際中等水平,在發(fā)展中國家中排名靠前。相比降水的影響,溫度的情況更值得關(guān)注。盡管在總體樣本和子樣本中,溫度的影響都是正的,但這種正面影響卻有減小趨勢:1961—2005年間,1℃增溫對中國經(jīng)濟增長率的貢獻為2.78%,但當樣本擴大到1961—2018年時,貢獻率卻下降到2.06%。已有研究表明,全球變暖的影響大多是深度非線性的,即存在一個臨界點,使得氣候因素的影響由正轉(zhuǎn)負。在Burke等[20]的研究中,全球經(jīng)濟增長的最優(yōu)溫度在13℃附近,但考慮到我國經(jīng)濟對全球的敏感性與世界整體情形有別,因此,估計我國可能存在的影響臨界點具有重要意義,值得繼續(xù)研究。

(二)穩(wěn)健性檢驗

為了考察模型估計是否穩(wěn)健,一般采用的辦法是通過改變模型的規(guī)范來考察核心變量系數(shù)的回歸估計值和顯著性變動情況[33]。另外在Dell等[19]的研究中,作者也通過改變樣本數(shù)據(jù)進行了模型穩(wěn)健性的檢驗。綜合考慮以上兩種方法,本文先改變模型范式,即分別以溫度和年降雨量為模型單一自變量進行個體固定效應(yīng)回歸；其次,按樣本中各省份過去近60年平均溫度的中位數(shù)劃分冷熱省份、按2018年省GDP總量的中位數(shù)劃分窮富省份,以及按1990年劃分為前后期等三個數(shù)據(jù)子集,再進行模型回歸,結(jié)果如表3所示。

表3 模型穩(wěn)健性檢驗

從表3可以看出,各個關(guān)鍵解釋變量的顯著性或符號在絕大多數(shù)情況下都未發(fā)生明顯變化,因此,本文的回歸結(jié)果是穩(wěn)健可靠的。另外,在不同模型的對比上 (如表1所示),關(guān)鍵變量的顯著性和符號在混合回歸模型、隨機效應(yīng)模型中也未發(fā)生顯著變化,這在一定程度上說明了關(guān)鍵解釋變量與因變量之間的關(guān)系也是穩(wěn)健的。

另外,本文發(fā)現(xiàn),當固定效應(yīng)模型中加入時間固定效應(yīng)時,溫度系數(shù)的符號發(fā)生了變化。事實上,在固定效應(yīng)模型中加入時間固定效應(yīng),即是把經(jīng)濟增長的年際波動儲存到了時間固定效應(yīng)中去,這種模型設(shè)定可能忽略了氣候條件波動帶來經(jīng)濟增長波動的情況。

特別值得注意的是,當我們用1990年把數(shù)據(jù)集分為前后兩個子集時,溫度對經(jīng)濟增長的影響由1.40轉(zhuǎn)變?yōu)椋?.50,不僅符號發(fā)生變化,估計的絕對值也增大了。這說明全球變暖對我國經(jīng)濟的影響很可能已在1990年前由正轉(zhuǎn)負,且隨著平均溫度的繼續(xù)升高,負面影響在進一步加大。另外,這個結(jié)果也解釋了表2中為什么當我們的回歸模型的數(shù)據(jù)集由1961—2005拓展到1961—2018時,溫度的系數(shù)從2.78下降到了2.06這一經(jīng)驗事實。本研究中所呈現(xiàn)的全球變暖對經(jīng)濟影響的時空非線性僅是初步結(jié)果,因此,繼續(xù)深入研究刻畫這種復雜的時空非線性也是作者當前的工作之一。

(三)區(qū)域氣候敏感性差異分析

相比于自然界,人類因為擁有資源和技術(shù),當然更有能力去應(yīng)對全球變暖,不過應(yīng)對的成本也許超出我們想象[34][35]。作為一項用來對沖未來潛在風險的投入,經(jīng)濟的發(fā)展水平很可能決定了不同地區(qū)對氣候敏感性的差異?；诖?本文選取了年份、真實人均GDP和真實GDP水平為門檻變量,考察可能造成敏感性差異的不同經(jīng)濟因素。門檻模型的分析結(jié)果如表3和表4所示,其中表4以溫度為交互項,表5以年雨量為交互項。

表4 以溫度為交互項、不同經(jīng)濟因素為門檻變量的門檻模型估計

表5 以年雨量為交互項、不同經(jīng)濟因素為門檻變量的門檻模型估計

從表3可以看出,年份、人均GDP和GDP總量三個門檻變量的門檻值均通過了顯著性和真實性檢驗。以年份為門檻變量,主要考慮了社會經(jīng)濟的變化是高維度的。隨著時間的推移,除了經(jīng)濟本身不斷地發(fā)生變化外,其他未知的社會因素也可能同步地發(fā)生變動,而產(chǎn)生了適應(yīng)性的結(jié)果。表3的結(jié)果表明,盡管模型的系數(shù)并不顯著,但在1976年前后,溫度對經(jīng)濟增長的影響不僅大小不一,而且影響方向相反。這種結(jié)果和之前的所有其他模型中,溫度的影響都是正的估計值不同,這種情況的出現(xiàn)也許是由于19世紀70至80年代期間,我國多個地區(qū)氣候條件由降溫趨勢轉(zhuǎn)變?yōu)樯郎刳厔莸臍夂蜿P(guān)系[36]。

人均收入水平的升高也有明顯的門檻效應(yīng)。人均GDP的門檻值為323.06元,當人均GDP超過門檻值時,溫度上升1℃對經(jīng)濟增長率的貢獻為0.77%；當人均GDP低于該門檻值時,溫度上升1℃對經(jīng)濟增長率的影響為增加0.34%,相比之下略小。值得注意的是,自20世紀60年代起,我國各省市由于經(jīng)濟基礎(chǔ)和發(fā)展速度的不同,已經(jīng)先后陸續(xù)達到該門檻值。其中最早的有北京、廣州、天津和重慶四個省市,均在1961年人均GDP已經(jīng)達到該水平；最晚達到該水平的為四川和貴州兩省,為1987年。這個結(jié)果與其他研究全球變暖對經(jīng)濟的影響有明顯不同,因為其他的結(jié)果多表明全球變暖對于收入水平低的地區(qū)影響更大,而對收入高的地區(qū)影響相對較小。但中國的經(jīng)驗似乎意味著相反的結(jié)論:全球變暖對經(jīng)濟產(chǎn)生的影響可能隨著經(jīng)濟發(fā)展而變得更大。值得一提的是,這里的結(jié)論與全球?qū)用娴慕Y(jié)論并不矛盾,正好驗證了著名的經(jīng)濟學通識,即任何有利的影響往往對富有的地區(qū)或人群更有利,而任何不利的影響則往往對貧困的地區(qū)和人群更不利。通過進一步分析人均GDP門檻值的LR曲線時發(fā)現(xiàn) (如圖4所示),該門檻并沒有明顯的雙門檻效應(yīng),即盡管很早就顯示出氣候敏感性的差異,但這種差異并不會因為經(jīng)濟水平的繼續(xù)發(fā)展而又有變化。另外,以真實GDP為門檻變量的門檻模型估計結(jié)果也是類似的,當經(jīng)濟發(fā)展到一定水平,溫度對經(jīng)濟增長的影響不降反升。因此,當全球變暖趨勢持續(xù),溫度越過某個未知的臨界點時,即有可能溫度對經(jīng)濟的影響變成消極的時候,貧困地區(qū)遭受的影響很可能大于富裕地區(qū),即與全球?qū)用娴陌l(fā)現(xiàn)一致。

圖4 以溫度為交互項,人均GDP門檻估計值的LR檢驗結(jié)果

以降水為交互項的門檻模型各門檻變量的門檻值與溫度的相等,但降水對經(jīng)濟的影響是負面的,并且對人均收入水平、和經(jīng)濟發(fā)展水平較落后的地區(qū)影響更大些。減緩降水對社會經(jīng)濟帶來的負面影響,很大程度上得益于灌溉技術(shù)的推廣和水利設(shè)施的建設(shè)。在世界范圍內(nèi),近一半的河流都建有大壩,這些大壩通過增加灌溉和水力發(fā)電,可以促進發(fā)展和減少貧困[37]。水利現(xiàn)代化建設(shè)作為國家現(xiàn)代化的基礎(chǔ),特別是大型水利工程,需要大量的資金投入,因此與地區(qū)的經(jīng)濟總量更為相關(guān)。真實GDP的門檻值為121.03億元,在19世紀70年代末到80年代中段這段時間,我國大部分省市先后跨過了該門檻值,總體而言,相比人均GDP跨過其門檻值要晚一些,說明應(yīng)對全球變暖在大型工程的建設(shè)上,經(jīng)濟總量是一個更重要的因素。

(四)不同產(chǎn)業(yè)的經(jīng)濟影響異質(zhì)性分析

為了分析全球變暖分別對我國三大主要產(chǎn)業(yè)增加值增長率的影響,利用2000—2018年相應(yīng)的經(jīng)濟數(shù)據(jù)再次做了個體固定效應(yīng)模型的擬合,結(jié)果如表6所示。結(jié)果表明,溫度和年雨量對于三大產(chǎn)業(yè)增加值的增長率和該時期的人均GDP增長率的影響都是高度顯著的,但與表1的結(jié)果相比,也證實了全球變暖對我國經(jīng)濟的影響已進入負影響區(qū)間；與表3中1990年后的影響對比看,這種負面影響似乎在進一步加大,這無疑也增加了我們對氣候變化所造成的全球影響的擔憂。

表6 溫度和年雨量對我國三大產(chǎn)業(yè)增加值增長率的影響

另外,通過對比發(fā)現(xiàn),溫度對第二產(chǎn)業(yè)的影響最大,對第一產(chǎn)業(yè)的影響次之,而對第三產(chǎn)業(yè)的影響最小；年雨量也表現(xiàn)了相似的情形。這也支持了已有研究結(jié)論,即工業(yè)受溫升的影響最為顯著,且主要體現(xiàn)在勞動效率和資本影響兩大方面 (Zhang等[24])。從模型的擬合優(yōu)度的情況來看,溫度和降水對第二產(chǎn)業(yè)增長率下降的原因解釋性更好,在一定程度上說明了全球變暖對第二產(chǎn)業(yè)的影響會比其他兩個產(chǎn)業(yè)更加明顯、直接。對于第二產(chǎn)業(yè)而言,溫度升高1℃,增長率將會下降約5.41%。相對于溫度而言,年雨量的影響則要 “溫和”得多:當年雨量增加100毫米時,第二產(chǎn)業(yè)產(chǎn)出的增長率將下降0.015%,盡管這種影響程度不到溫度影響程度的1%,但也從中國尺度證實了已有研究發(fā)現(xiàn),即降雨量變化會對制造業(yè)等第二產(chǎn)業(yè)產(chǎn)生顯著的負影響 (Kotz等[40])。

六、結(jié)論及政策建議

本文利用中國省際層面的歷史氣候和宏觀經(jīng)濟數(shù)據(jù),為全球變暖對中國經(jīng)濟的影響提供區(qū)域和行業(yè)層面的估計和證據(jù),研究發(fā)現(xiàn)溫度和降水對中國經(jīng)濟的影響與其對全球經(jīng)濟的影響存在明顯差異。其中,1℃的升溫將會引起中國真實人均GDP增長率2.78%的增幅,而對世界而言,這種溫度的影響僅為0.56%；相反,年雨量對中國經(jīng)濟的影響較小,且要明顯小于世界總體水平,估計結(jié)果顯示,年雨量增加100毫米,僅導致中國人均GDP增長率下降0.0001%,而全球尺度的降幅為0.11%。

針對不同數(shù)據(jù)集做經(jīng)驗估計時,經(jīng)濟對氣候因素特別是溫度的敏感性呈現(xiàn)顯著的非線性變化特征。在1961—2005年間,1℃增溫的人均GDP增長率的貢獻為2.78%,但當時段擴充到1961—2018年時,1℃增溫對人均GDP增長率的影響下降到2.06%,特別地,當時間段選在1990—2018年時,溫度對人均GDP增長率的影響已變成－2.50%,這一結(jié)論也在Duan等[21]的研究中得到佐證。這背后不僅意味著全球變暖的影響在時間上是深度非線性的,同時意味著全球變暖對我國經(jīng)濟影響的臨界點可能在20世紀90年代已經(jīng)過去。另外,我國過去近60年的年平均溫度為12.56℃,90年代的年平均氣溫與之接近,但根據(jù)Burke等[20]的計算,全球 “最優(yōu)溫度”在13℃附近。很明顯,中國的 “最優(yōu)溫度”要小于13℃,因此,若全球繼續(xù)變暖,對我國經(jīng)濟發(fā)展造成不利影響的可能性在增大。這為中國更好地參與全球氣候治理提供了兩個啟示:首先,氣候變化對經(jīng)濟的影響并不是線性推演的,未來在應(yīng)對氣候挑戰(zhàn)時要充分重視影響由正轉(zhuǎn)負的非線性特點,尤其關(guān)注氣候臨界點的存在,避免遭受不可逆的災(zāi)難性損失；其次,全球變暖作為一頭不斷靠近的 “灰犀?！?需要世界各國攜手共同應(yīng)對。全球變暖對我國的經(jīng)濟影響明顯,因此我國在國際氣候治理上除承擔自身的責任外,也應(yīng)該發(fā)揮更好的橋梁作用,加強國際間交流與合作,促進各國共同承擔歷史責任。特別是,在氣候談判中要以非線性的氣候影響證據(jù)來提醒參與意愿不強的國家,比如美國,盡管當前氣候變化對其經(jīng)濟的影響較小,但從歷史情況和已有研究來看,其正在接近影響由正轉(zhuǎn)負的拐點,未來其遭受的經(jīng)濟負影響將顯著增加[39][40],據(jù)此強化中美共同參與全球氣候治理的角色。

一個國家一年的GDP是三大產(chǎn)業(yè)增加值最終加總的結(jié)果,因此可以粗略地認為全球變暖對三大產(chǎn)業(yè)的影響是全球變暖對一個國家經(jīng)濟影響的不同途徑。從對GDP的貢獻看 (按2019年價格計算),第一產(chǎn)業(yè)占比7.11%,第二產(chǎn)業(yè)占比38.97%,第三產(chǎn)業(yè)占比53.92%。盡管全球變暖對第三產(chǎn)業(yè)的影響最小,但是1℃的升溫仍可能導致第三產(chǎn)業(yè)增加值增長率下降2.31%。以往在微觀層面研究全球變暖的影響時,主要集中在農(nóng)業(yè)、制造業(yè)、電力等第一和第二產(chǎn)業(yè)的部門,而對第三產(chǎn)業(yè)的影響研究普遍欠缺,這也導致我們對全球變暖對第三產(chǎn)業(yè)的影響機制知之甚少。但隨著全球變暖加劇,以及經(jīng)濟結(jié)構(gòu)調(diào)整引起的第三產(chǎn)業(yè)占比持續(xù)攀升,可以預期未來氣候變化對第三產(chǎn)業(yè)的影響也將變得更為顯著。因此,我們一方面應(yīng)加大全球變暖對第三產(chǎn)業(yè)的影響研究,深化影響機制的探索,為政策層面的積極應(yīng)對提供科學支撐；另一方面,要強化三產(chǎn)各主要行業(yè)相關(guān)的氣候適應(yīng)措施,以減少全球變暖帶來的可能的經(jīng)濟損害,特別是在全球共同減排效果并不顯著的大背景下。此外,激勵人工智能技術(shù)的發(fā)展以實現(xiàn)對勞動力的大規(guī)模替代可以提高整個產(chǎn)業(yè)的氣候韌性,繼而一定程度上降低氣候變暖可能引起的經(jīng)濟損失。